零售营销中用于库存水平估计的动态贝叶斯网络模型
机器学习
2016-04-06 v1
摘要
如今许多零售商采用基于再订货点策略的库存管理系统，其中大多数依赖于产品库存水平的所有下降均源于产品销售这一假设。不幸的是，通常随时间推移会发生少量但随机数量的产品丢失、被盗或损坏而无记录，例如由于入店行窃所致。这对于经营大量廉价产品的零售商（例如杂货店）而言很常见。反过来，随着时间的推移，这些差异导致库存冻结问题，即系统认为库存高于再订货点但实际库存为零，从而不发生补货或销售的情况。受这些问题驱动，我们将销售、损失、补货与库存水平之间的相互作用建模为动态贝叶斯网络（DBN），其中库存水平是我们要估计的未观测（即隐藏）变量。我们提出一种期望最大化（EM）算法来估计销售和损失分布的参数，该算法依赖于为E步求解一维动态规划，以及为M步求解两个独立的一维非线性规划。
引用
@article{arxiv.1604.01075,
title = {A Dynamic Bayesian Network Model for Inventory Level Estimation in Retail Marketing},
author = {Luis I. Reyes-Castro and Andres G. Abad},
journal= {arXiv preprint arXiv:1604.01075},
year = {2016}
}
备注
Paper is 6 pages (as required by the conference submission rules) and contains 2 figures. Paper will appear on the Proceedings of the 2016 Industrial and Systems Engineering Research Conference